情报
AI 生成的结构化厂商动态简报
Check Point报告揭示AI安全执行鸿沟，提出统一AI防御平面与代理编排
Check Point发布2026云安全报告，指出77%企业更新AI安全策略但仅26%能有效执行，存在51%的“执行差距”。报告强调需从基础设施层构建统一、预防优先的安全架构，并推出“AI防御平面”与“代理网络安全编排平台”以应对AI代理、非人类身份等新挑战。
AWS SageMaker 通过 OpenAI 兼容 API 争夺 AI 推理控制权
AWS 宣布其 Amazon SageMaker AI 推理端点现支持 OpenAI 兼容的 API 接口。此举使开发者无需修改代码即可将基于 OpenAI API 构建的 AI 应用迁移至 SageMaker 平台，显著降低了从 OpenAI 向 AWS AI 基础设施迁移的技术与锁定门槛。
Apple注册genai.apple.com域名，WWDC 2026将发布Siri独立App与生成式AI战略独立化
Apple在WWDC 2026前注册genai.apple.com域名，暗示生成式AI战略独立化。预计6月8日发布Siri重大升级：个人上下文感知、屏幕理解、深度应用操作，底层由Gemini驱动。iOS 27将带来Siri专属App、文字对话和第三方AI Extensions。
Zscaler收购Symmetry Systems，强化AI Agent身份治理与NHI可见性
Zscaler收购Symmetry Systems，将其Access Graph身份映射技术整合进Zero Trust Exchange平台。核心能力：NHI可见性、最小权限策略、数据血缘追踪、实时异常检测。CEO称传统访问治理无法扩展至数百万AI Agent。
Intel CEO：AI推理时代CPU/GPU配比从1:8向1:1演进，Multi-Agent三大刚性需求
Intel CEO指出AI推理时代CPU/GPU配比从1:8向1:1演进，驱动因素为Multi-Agent三大刚性需求：Agent编排与调度、工具调用与API网关、推理卸载与本地执行。Intel三路CPU同时量产（Granite Rapids-D边缘/Aerial嵌入式/Xeon 6主流），非巧合而是系统性应对。Agent编排/工具调用/推理卸载构成CPU新增长极。企业AI基础设施团队需立即重新评估CPU/GPU配比，服务器采购需适配Agent工作负载特征。
Exploitation of KnowledgeDeliver via ViewState Deserialization Vulnerability | Google Cloud Blog
Threat IntelligenceExploitation of KnowledgeDeliver via ViewState Deserialization VulnerabilityMay 25, 2026Mandiant Google Threat Intelligence Group Mandiant ServicesStop attacks, reduce risk, and adv...
微软发布Fara1.5浏览器Agent模型，72%任务成功率超OpenAI/Google
...
思科发布内部RAG平台DRIFT，展示企业AI基础设施蓝图
思科IT部门推出名为DRIFT的文档检索与摄取框架工具包，旨在标准化和规模化企业内部RAG应用开发流程。该平台基于云原生微服务架构，运行在思科自有的AI POD基础设施上，提供从文档预处理到检索重排的端到端流水线，并支持Agentic RAG等演进用例。
Google Cloud展示垂直行业AI Agent架构，强调混合集成能力
Google Cloud通过客户案例Movix，展示了为牙科制造业构建的端到端AI Agent解决方案。该方案基于Google Cloud基础设施，利用定制模型和Gemini Enterprise Agent Platform，并重点设计了连接本地遗留系统的混合架构，以进入保守市场。
Fortinet扩展FortiGate G系列：3500G（400Gb）+400G，原生Shadow AI检测+MCP流量检查
Fortinet扩展FortiGate G系列，发布3500G（400Gb连接，数据中心级）和400G（企业边缘）；原生Shadow AI检测+FortiOS 8.0 MCP/Agent间流量检查。硬件级验证信任+安全启动应对AI推理工作负载加密流量挑战。
Microsoft开源RAMPART+Clarity：AI Agent安全测试框架与设计验证工具
Microsoft开源两个AI安全工具：RAMPART（Agent红队测试框架，将攻防场景编码为可重复CI测试）和Clarity（结构化设计验证工具，多AI视角审查架构假设）。RAMPART支持将单个CVE发现转化为全行业回归覆盖。
Google I/O 2026全面押注Agentic AI：Gemini 3.5 Flash/Omni/Antigravity 2.0/Gemini Spark密集发布
Google I/O 2026发布Gemini 3.5 Flash（4倍输出速度+前沿智能）、Gemini Omni Flash（原生多模态视频生成）、Antigravity 2.0（Agent编排桌面平台+CLI+SDK）、Gemini Spark（24/7个人AI助手）。Gemini MAU从4亿增至9亿；资本开支2026年预计1800-1900亿美元（2022年的6倍）。
NVIDIA 以智能体工具包推动 AI 工作流从模型调用向编排平台演进
NVIDIA 通过其 NeMo Agent Toolkit 开源库，展示了一个用于量化金融信号发现的多智能体系统参考架构。该系统将传统手动、碎片化的研究流程，转变为由配置驱动、具备可观测性的自动化闭环，凸显了智能体编排层在复杂 AI 应用中的核心价值。
NVIDIA在COMPUTEX展示Vera Rubin NVL72等AI基础设施创新
NVIDIA在COMPUTEX 2026上获得多项最佳选择奖，其Vera Rubin NVL72机柜级AI超算、Jetson Thor边缘平台及Alpamayo自动驾驶开放平台获奖，展示了其在AI工厂、边缘推理和物理AI领域的基础设施布局。
BadHost漏洞(CVE-2026-48710)：Starlette单字符绕过认证，全球AI Agent基础设施面临暴露风险
安全机构X41 D-Sec在OSTIF资助的vLLM审计中发现Starlette框架认证绕过漏洞CVE-2026-48710(BadHost)。根因：Starlette用HTTP Host头拼接重建request.url时未验证Host值合法性——注入/、?或#字符可导致request.url.path与ASGI路由的scope[path]产生解析不一致，path-based认证中间件被欺骗放行受保护资源。MCP Server特别高危：MCP规范要求/.well-known/oauth-authorization-server等Discovery端点默认公开，为攻击者提供最可靠的Host头注入路径。X41 D-Sec扫描发现生物制药临床试验数据库、企业邮箱完整访问权、AWS云拓扑、身份验证公司PII、工业设备堡垒机SSH等生产系统暴露。Starlette 1.0.1(5月21日)已修复，但3个月补丁周期(2月发现→5月发布)和间接依赖链导致大量部署仍受影响。X41评级CVSS 7.0(High)，Starlette维护者评级6.5(Moderate)——分歧在于path-based auth是否为anti-pattern。
思科通过MCP与Agentic Workflows构建AI原生网络控制平面
思科在Cisco Live 2026上系统展示其网络平台产品组合（Meraki、Catalyst Center）如何通过MCP（模型上下文协议）和Agentic Workflows，将AI代理深度集成到网络自动化与运维中，实现从意图到执行的闭环。
Google将AI Studio与云数据库及Firebase深度集成，降低全栈应用开发门槛
Google宣布AI Studio与Google Cloud的集成更新，支持开发者通过自然语言提示，一键将全栈应用部署至Cloud Run，并自动配置Firestore、Cloud SQL数据库及Firebase Auth身份验证。此举旨在通过零成本启动和AI代理驱动的数据库选择，显著降低应用原型开发与部署的初始摩擦。
谷歌发布Antigravity 2.0，定义AI Agent本地开发控制平面
谷歌在I/O 2026上推出Antigravity 2.0，这是一个独立的桌面应用，旨在成为构建、测试和编排复杂AI工作流的“Agent-First”本地控制平面。它通过CLI/SDK、动态子代理和与企业云安全环境的直接集成，将AI Agent的开发与部署流程从云端延伸至本地环境，试图统一AI应用生命周期管理。
思科阐述其AI就绪安全网络架构战略
思科在Gartner魔力象限报告中重申其网络战略，核心是将有线与无线网络统一为平台，并深度集成AI驱动的运营（AgenticOps）与安全。该战略旨在构建一个能够感知、推理、行动并验证的端到端网络架构，以应对AI工作负载带来的新流量模式与安全挑战。
思科通过芯片层智能包流重塑AI数据中心网络架构
思科推出基于Silicon One G300芯片的智能包流技术，将网络从高速传输层转变为具备感知、适应和优化能力的智能系统，以应对大规模AI工作负载。该技术通过硬件级遥测、自适应路由和拥塞管理，显著提升AI集群的集体完成时间和GPU利用率。